顯影劑被廣泛運用在多種影像診斷技術上,然而施打顯影劑後有可能造成病患過敏現象的產生,嚴重者甚至休克死亡。本研究的個案醫院目前以肌酸酐值(CR)來記錄和評估病患的腎臟功能狀況,藉以作為建議病患選擇顯影劑類別的參考,然而此方法無法於早期腎功能有問題時準確反應,因此病患有可能選擇不適合身體狀況之顯影劑。 本研究嘗試用資料探勘技術中之C4.5決策樹、倒傳遞類神經網路和粗糙集,從個案醫院提供之歷史病例數據中,建構出可用以預測病患於使用顯影劑後之腎臟功能分類模型,除可使醫護人員提早替用藥風險較高之病患作充分的準備外,亦可提供選擇顯影劑類別之參考準則,以提升病患的醫療安全。 實證結果顯示,本研究建構之縮減率為0.9的粗糙集模型整體正確辨識率達到81.17%,即有81.17%的病患可透過此模型選擇到適合自己身體狀況的顯影劑類型。因此,本研究建構之分類預測模型,應能提供醫護人員和病患良好的用藥建議和降低病患發生意外之風險。